EVENT DOSSIER
2026 年 9 月 7 日，arXiv cs.CL 发布研究指出自动语音识别（ASR）系统在接收语音时产生与内容无关的流畅文本现象，实为更广泛的 grounding 失败后果。研究人员对两个独立训练的 Conformer-Large 识别器（CTC 和 RNN-T）在环境退化和说话人背景偏移条件下进行测试，发现最终编码器阶段是关键边界：绕过该层会导致几乎所有语句发散，而绕过中间层影响甚微。在此阶段，表示变得紧凑、文本可被训练解码器读取且图元信息显式化；干预产生混乱或重复输出而非流畅伪造。结果确认了幻觉的机制先决条件——未能生成充分 grounding 的输出，而非自然发生幻觉的完整起源。两项研究揭示了跨两种解码器家族及多种分布偏移下 grounded recognition 一致的终端阶段依赖性。
ASR 系统在接收语音时产生与内容无关的流畅文本（幻觉），研究指出这是更广泛的 grounding 失败后果。研究人员对两个独立训练的 Conformer-Large 识别器（CTC 和 RNN-T）在环境退化和说话人背景偏移条件下进行测试，发现最终编码器阶段是关键边界：绕过该层会导致几乎所有语句发散，而绕过中间层影响甚微。在此阶段，表示变得紧凑、文本可被训练解码器读取且图元信息显式化；干预产生混乱或重复输出而非流畅伪造。结果确认了幻觉的机制先决条件——未能生成充分 grounding 的输出，而非自然发生幻觉的完整起源。两项研究揭示了跨两种解码器家族及多种分布偏移下 grounded recognition 一致的终端阶段依赖性。